将 x,y,z 值的数据帧转换为图像的更快方法？

Question

我有一个简单的数据框结构，如下所示：

print(scene_2d_df.head())

     x       y  z
0  963  1691.0  0
1  911  1881.0  0
2  837   864.0  1
3  785  1054.0  0
4  897    59.0  0

print(scene_2d_df.shape)

(2294591, 3)

每一行代表图像中的一个白点或黑点（1 或 0）。 x 和 y 列是像素位置。图像约为。在这种情况下为 1200 x 1800。我有我认为有效的代码，但即使在现代机器上运行也非常缓慢。这种方法有点暴力。

def construct_image_from_df(df_1):
    xmax = int(df_1.max(axis=0)['x'])
    xmin = int(df_1.min(axis=0)['x'])
    ymax = int(df_1.max(axis=0)['y'])
    ymin = int(df_1.min(axis=0)['y'])
    zmax = int(df_1.max(axis=0)['z'])
    zmin = int(df_1.min(axis=0)['z'])
    
    print("xmin :: " + str(xmin) + " // xmax :: " + str(xmax)) # 1200-something
    print("ymin :: " + str(ymin) + " // ymax :: " + str(ymax)) # 1800-something
    print("zmin :: " + str(zmin) + " // zmax :: " + str(zmax)) # 1, all values 0 or 1
    
    img = np.zeros((xmax, ymax))
    
    length = df_1.shape[0] # number of rows
    for i in range(0, length):
        x, y, z = int(df_1.iloc[i]['x']), int(df_1.iloc[i]['y']), int(df_1.iloc[i]['z'])
        img[x - 1, y - 1] = z

    return img

基本上，我抓取数据帧的每一行，并手动将像素写入我的 2D img 数组。速度很慢。

有没有更快（可能是矢量化）的方法来做到这一点？

Answer 1

您几乎可以直接在索引表达式中使用坐标。

首先，不要多次计算最小值和最大值：

x_max, y_max = df[['x', 'y']].max()
x_min, y_min = df[['x', 'y']].min()

然后，将z 值直接放入图像缓冲区：

img = np.zeros((x_max + 1, y_max + 1), dtype=df['z'].dtype)
img[df['x'].to_numpy(dtype=int), df['y'].to_numpy(dtype=int)] = df['z'].to_numpy()

更改数据类型是必要的，因为y 似乎包含具有整数值的浮点数。索引数组需要是整数。您还可以将 dtype 调整为保持z 和np.min_scalar_type 所需的最小值：

np.zeros((x_max + 1, y_max + 1), dtype=np.min_scalar_type(df['z'].max()))

如果您想要一个布尔掩码并且知道z 代表真/假值，请将img 的dtype 强制为bool。